<div id="nr1" style="font-size:18px">
然后突然就把第二位候选人——卡米尔·杜布瓦也放到了候选人界面上，并给出了分数。
这下两个依然挂在克拉福德奖官网界面上的两个人名都全了，但两人的分数差了八千多分看起来多少有些刺眼。
其实表达的意思很简单。
看两个差了八千多分的候选者都是今年的克拉福德数学奖获得者，所以有没有人想要主动来看看自己的分数是不是其实也能拿一个克拉福德奖的？
乔泽去年那一连串的成就，跟1.3万的贡献度成就分，的确让人感觉高不可攀。
但这个五千多分，难度就显得没那么大了。
科学家也是人，是人多少都是有些攀比之心的。
不止是克拉福德奖，哪怕是诺奖、菲尔兹奖，也并不是每个人都服气。
无非是这个奖项绝大多数人都认可，哪怕不服气也只能忍着。
但现在有了一个可以对照的机会，要说没人有想法，自然是不可能的。
尤其是豆豆把算法直接公开了，每个人都能大概估算自己的贡献分。
虽然可能因为对于研究方向的跟贡献可能会跟人工智能最终评分的结果有差异，但总能大概估算一个分数出来。
对于那些自己估分高过卡米尔·杜布瓦又没有拿过相应数学奖的数学家而言，这就更有诱惑力了。
哪怕承认卡米尔·杜布瓦在n-s方程领域很有贡献，但咱研究的霍奇猜想同属于千禧年七大难题，而且也有贡献度，所以咱为啥不能拿克拉福德奖？
这是一种很微妙的心态，能让推行乔泽自然科学奖这套评选规则阻力降低很多。
但对于瑞典皇家科学院跟已经公示的克拉福德奖来说，这无异于贴脸开大了。
就好像有人在无声的点评：“评审委员会是怎么把这两个候选人放一起的？！这真是安德烈先生的锅么？！”
第307章看吧，这才是我想要的
对于瑞典皇家科学院来说，西林数研所这一系列动作无疑是颇为沉重的打击。
甚至有些让许多在这里供职的人们觉得悲愤。
尤其是当乔泽自然数学奖候选人界面放上了乔泽跟卡米尔·杜布瓦两个人的时候。
不对，应该说只放了两个人的时候。
大概没谁会相信全世界目前只有两个人被纳入豆豆的选择范围，且只有这两人接受了豆豆的邀请，并被列入到公示的候选人目录里。
拉踩的目的太明显了，甚至可以说没有任何遮掩。
不过说起来也没什么好遮掩的。
从很多地方都能看出来乔泽自然科学奖就是在对标诺贝尔奖，即便奖项设计的并不重合。
这是在挖根呐。
瑞典是个小国，但却是个不折不扣的强国，其原因之一就是这里运营着世界最成功的科学奖项。尤其是对于皇家科学院来说，运营诺贝尔奖带来的好处太多了。
提升声誉、增强影响力、促进合作、经济收益……
斯德哥尔摩用上百年时间，为公众科普了诺贝尔奖值得全人类尊敬的意识。起码在欧洲绝大部分场合，诺贝尔奖得主是真的能享受诸多特权的。
从某种意义上说，诺贝尔奖就是瑞典皇家科学院最牢固的根基。只要能保证诺奖的权威性，就足以维持科学院在世界学术界的声望。而现在有人想挖他们的根，用的还是颠覆性的拉踩方式。
虽然一个字没说，但所做所为都是对已经延续了百年的评奖方式做无声的质疑。
更别提对于科学院的内部人员来说，他们太清楚安德烈先生为什么会走到这一步了。
那是在牺牲自己的生命来维护奖项的权威性。
但现在西林数研所却蛮不讲理的强插一脚，要从规则上全盘否定他们坚持努力了百余年才打造的权威规则。
一时间可以用群情激奋来形容。
真的，这段时间他们已经牺牲得够多、够憋屈了。
先是被兰利那位新上任的负责人威胁一通，被迫做出了一些违背祖宗的决定，再然后他们中许多人又被来自同一个地方另一批人进行死亡威胁。
老院长为了不影响科学院百年声誉默默承担了所有，甚至抱着牺牲了克拉福德奖声誉的危险，在今年获奖者中又添加了一个名字，现在对面非但不领情，甚至还想要取而代之……
这特么谁受得了？
唯一让大家欣慰的是，学界绝大多数名宿并不看好将人类的奖项交给人工智能评判，尤其是乔泽自然科学奖的那套评审规则，并不是那么深入人心。
于是一篇篇战斗檄文横空出世。
尤其是瑞典皇家科学院在官网上华夏时间当天晚上就突然更新了一篇文章《ourscience，ourvoice！》（我们的科学，我们的声音！）。
在有心人的推波助澜之下，这篇文章立刻便开始在网络上流行起来。
“不得不承认在这个由数据和算法驱动的时代，人工智能的浪潮正冲击着我们社会生活的每一个角落，甚至试图渗透到我们最为尊重和珍视的领域之一——科学探索的评价与认可。
我们关注到在东方，甚至有一家以科学名义成立的奖项，希望由人工智能替代我们历史悠久、备受尊崇的诺贝尔奖评审模式。然而，在这前所未有的提议面前，我们必须站出来，明确我们的立场：有些事情，机器是无法取代的……”
文章很犀利，且充斥着学术风格，且满篇都是关于学术的思考跟争论，是真的有论点、论据那种，从各个环节抨击了人工智能主导科学大奖评审的荒谬性。
比如人工智能缺乏人类直觉和主观判断。
“尽管人工智能能够基于数据和算法做出评判，但它缺乏人类的直觉、经验和主观判断能力，这在科学发现的评价中是不可或缺的。人类评审能够理解研究背后的复杂性、创造性以及其对人类知识体系的潜在贡献，ai不可能理解！”